Este proyecto permitirá desarrollar metodologías para proveer información útil en la toma de decisiones antes y después de eventos sísmicos, pronosticando la intensidad y distribución espacial del daño en estructuras -especialmente en los puentes y edificios- e identificar zonas donde se esperan demandas sísmicas mayores.
Rodrigo Astroza, vicedecano académico de la Facultad de Ingeniería y Ciencias Aplicadas UANDES.
La investigación con machine learning para la evaluación del riesgo de terremotos en distintos de tipos de estructuras, especialmente en puentes y edificios, se adjudicó el Fondo de Vinculación Internacional de ANID. Este proyecto, a cargo de Rodrigo Astroza, vicedecano académico de la Facultad de Ingeniería y Ciencias Aplicadas UANDES, busca proponer y desarrollar nuevas técnicas y métodos que permitan reducir el riesgo de terremotos en distintos tipos de grandes estructuras.
Este trabajo se realizará de forma colaborativa con una red de académicos de cinco universidades de distintos países: Universidad de los Andes y Universidad Santa María (Chile); University of Alberta (Canadá); Teesside University (Inglaterra) y University of New Hampshire (Estados Unidos), equipo que ha trabajado varias publicaciones en conjunto y que suma a seis alumnos del Doctorado en Ciencias de la Ingeniería de nuestra casa de estudios.
“Esta investigación desarrollará avances en las áreas de amenaza sísmica y vulnerabilidad frente a terremotos, estimando las posibles demandas sísmicas que diferentes terremotos puedan imponer en las estructuras civiles, como los puentes, edificios, estructuras y equipos industriales, etc. La vulnerabilidad busca evaluar el comportamiento y desempeño de dichas estructuras frente a los eventos telúricos, es decir, ver si estas estructuras sufrirán daño o no. Si efectivamente se obtiene, en la investigación, que sufren daño, nos interesa cuantificar e identificar ese daño”, explica Astroza.
“Estamos integrando herramientas avanzadas de modelamiento de estructuras y suelos con técnicas de machine learning. Usamos técnicas matemáticas que permiten procesar dichos datos, de manera que nos permitan predecir ese comportamiento. Como los modelos y los datos experimentales poseen variabilidades, estas las consideramos en nuestros análisis, de manera de representarlas apropiadamente mediante técnicas estadísticas y enfoques probabilísticos”, detalla el académico de la Facultad de Ingeniería y Ciencias Aplicadas UANDES. Y agrega que “como los modelos de elementos finitos pueden tener un alto costo computacional, buscamos reemplazarlos por modelos simplificados (modelos subrogados) para poder analizar una gran cantidad de estructuras sometidas a una gran cantidad de terremotos diferentes. Estos modelos subrogados se calibran para que representen la respuesta sísmica de estructuras y de los modelos de elementos finitos que ellos reemplazan”.
Estos avances permitirán desarrollar metodologías que proveerán información útil para la toma de decisiones antes y después de eventos sísmicos, pronosticando la intensidad y distribución espacial del daño en estructuras e identificar zonas donde se esperan demandas sísmicas mayores.
